연구진은 고해상도 탄성체 변형 시뮬레이션의 계산 비용 문제를 해결하기 위해 저차원 신경 시뮬레이션 프레임워크를 제안했습니다.
이 프레임워크는 거칠게 분해된 MPM 역학을 암시적 신경 디코더와 결합하여 복잡한 촉각 세부 정보를 재구성하며, 물리적으로 일관되고 미분 가능한 추론을 가능하게 합니다.
실험 결과, 제안된 방법은 시뮬레이션 속도를 65% 향상시키고 메모리 사용량을 40% 줄이며, 촉각 렌더링 및 3D 표면 재구성에 정확도를 25% 향상시켰습니다.